模糊控制器设计实验
程序员文章站
2024-03-08 13:58:04
...
模糊控制器设计实验
一、 实验原理
二、代码
%模糊控制器设计
a=newfis('fuzzf'); %创建新的模糊推理系统
%输入1
f1=1;
a=addvar(a,'input','e',[-9*f1,9*f1]);
%添加 e 的模糊语言变量
a=addmf(a,'input',1,'NB','zmf',[-5*f1,1*f1]);
%添加 e 的模糊语言变量的隶属度函数(z型)
a=addmf(a,'input',1,'NM','trimf',[-5*f1,-2*f1,0]);
%隶属度函数为三角形
a=addmf(a,'input',1,'NS','trimf',[-3*f1,-1*f1,9*f1]);
a=addmf(a,'input',1,'Z','trimf',[-8*f1,0,8*f1]);
a=addmf(a,'input',1,'PS','trimf',[-4*f1,5*f1,9*f1]);
a=addmf(a,'input',1,'PM','trimf',[0,2*f1,9*f1]);
a=addmf(a,'input',1,'PB','smf',[1*f1,9*f1]);
%输入2
f2=1;
a=addvar(a,'input','ec',[-9*f2,9*f2]);
%添加 ec 的模糊语言变量
a=addmf(a,'input',2,'NB','zmf',[-5*f1,-1*f1]);
a=addmf(a,'input',2,'NM','trimf',[-5*f1,-2*f1,0]);
a=addmf(a,'input',2,'NS','trimf',[-3*f1,-1*f1,9*f1]);
a=addmf(a,'input',2,'Z','trimf',[-8*f2,0,8*f2]);
a=addmf(a,'input',2,'PS','trimf',[-4*f1,5*f1,9*f1]);
a=addmf(a,'input',2,'PM','trimf',[0,2*f1,9*f1]);
a=addmf(a,'input',2,'PB','smf',[1*f1,9*f1]);
%输出
f3=1.5;
a=addvar(a,'output','u',[-9*f3,9*f3]);
%添加 u 的模糊语言变量
a=addmf(a,'output',1,'NB','zmf',[-5*f1,-1*f1]);
a=addmf(a,'output',1,'NM','trimf',[-5*f1,-2*f1,0]);
a=addmf(a,'output',1,'NS','trimf',[-3*f1,-1*f1,9*f1]);
a=addmf(a,'output',1,'Z','trimf',[-8*f3,0,8*f3]);
a=addmf(a,'output',1,'PS','trimf',[-4*f1,5*f1,9*f1]);
a=addmf(a,'output',1,'PM','trimf',[0,2*f1,9*f1]);
a=addmf(a,'output',1,'PB','smf',[1*f1,9*f1]);
%规则库
rulelist=[1 1 1 0.5 1; %编辑模糊规则,后俩个数分别是规则权重和AND OR选项
1 2 1 0.4 1;
1 3 1 0.2 1;
1 4 2 0.4 1;
1 5 2 0.1 1;
1 6 3 0.5 1;
1 7 4 0.1 1;
2 1 1 0.3 1;
2 2 2 0.1 1;
2 3 2 0.4 1;
2 4 2 0.4 1;
2 5 3 0.4 1;
2 6 4 0.8 1;
2 7 5 0.9 1;
3 1 1 1 1;
3 2 2 1 1;
3 3 3 0.1 1;
3 4 3 0.4 1;
3 5 3 0.1 1;
3 6 4 0.2 1;
3 7 5 0.3 1;
4 1 1 1 1;
4 2 2 0.5 1;
4 3 3 1 1;
4 4 4 1 1;
4 5 6 0.4 1;
4 6 4 0.3 1;
4 7 7 0.7 1;
5 1 1 0.2 1;
5 2 2 0.4 1;
5 3 2 0.4 1;
5 4 3 0.2 1;
5 5 6 0.1 1;
5 6 4 0.4 1;
5 7 5 0.2 1;
6 1 1 0.3 1;
6 2 1 0.6 1;
6 3 3 0.7 1;
6 4 3 0.2 1;
6 5 4 0.1 1;
6 6 4 0.3 1;
6 7 5 0.1 1;
7 1 1 0.2 1;
7 2 3 0.3 1;
7 3 5 0.2 1;
7 4 4 0.2 1;
7 5 4 0.1 1;
7 6 2 0.8 1;
7 7 2 0.2 1;
];
a=addrule(a,rulelist); %添加模糊规则函数
showrule(a) %显示模糊规则函数
a1=setfis(a,'DefuzzMethod','centroid'); %设置解模糊方法
writefis(a1,'fuzzf'); %保存模糊系统
a2=readfis('fuzzf'); %从磁盘读出保存的模糊系统
disp('fuzzy Controller table:e=[-9,+9],ec=[-9,+9]');%显示矩阵和数组内容
%推理
Ulist=zeros(7,7); %全零矩阵
for i=1:7
for j=1:7
e(i)=-9+i;
ec(j)=-9+j;
Ulist(i,j)=evalfis([e(i),ec(j)],a2); %完成模糊推理计算
end
end
% Ulist=ceil(Ulist) %朝正无穷方向取整
Ulist %朝正无穷方向取整
%画出模糊系统
figure(1); plotfis(a2);
figure(2);plotmf(a,'input',1);
figure(3);plotmf(a,'input',2);
figure(4);plotmf(a,'output',1);
结果展示
1、模糊推理系统显示结果
2、e中所相应的规则所得到的模糊集合
3、ec所相应的规则所得到的模糊集合
4、最终结果
5、所有的规则以及权重的显示
6、所得控制点的集合
结果分析
1、由以上结果分析可得,我们通过计算各个规则下的匹配度,将每个规则下的所得到的匹配度取其交集,然后将多种结果复合在一起,最后取并集,得到结果后对其使用centroid计算,算出各个控制点。
2、通过修改规则的数量以及权重,得到的控制点都会不同。